SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík

Podobné dokumenty
Plánování experimentu

Plánování experimentu

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Sever Jih Západ Plechovka Točené Sever Jih Západ Součty Plechovka Točené Součty

Cvičící Kuba Kubina Kubinčák Body u závěrečného testu

STATISTICA Téma 6. Testy na základě jednoho a dvou výběrů

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie

Tomáš Karel LS 2012/2013

Regresní analýza 1. Regresní analýza

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015

Parametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je =

Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie

Statistická analýza jednorozměrných dat

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Problematika analýzy rozptylu. Ing. Michael Rost, Ph.D.

Kalibrace a limity její přesnosti

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

PRAVDĚPODOBNOST A STATISTIKA

Lineární regrese. Komentované řešení pomocí MS Excel

Úvod do analýzy rozptylu

Inovace bakalářského studijního oboru Aplikovaná chemie

Testování hypotéz o parametrech regresního modelu

PYTHAGORAS Statistické zpracování experimentálních dat

Testování hypotéz o parametrech regresního modelu

Ilustrační příklad odhadu LRM v SW Gretl

Statistika (KMI/PSTAT)

4EK211 Základy ekonometrie

Tomáš Karel LS 2012/2013

Regresní a korelační analýza

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Test dobré shody v KONTINGENČNÍCH TABULKÁCH

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

Jarqueův a Beryho test normality (Jarque-Bera Test, JB test)

S E M E S T R Á L N Í

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA. Semestrální práce

KALIBRACE A LIMITY JEJÍ PŘESNOSTI. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Mann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek

PRAVDĚPODOBNOST A STATISTIKA

Technická univerzita v Liberci

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13

Regresní a korelační analýza

LINEÁRNÍ REGRESE. Lineární regresní model

Regresní analýza. Eva Jarošová

Analýza rozptylu. Ekonometrie. Jiří Neubauer. Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel

Semestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat

Kalibrace a limity její přesnosti

TVORBA LINEÁRNÍCH REGRESNÍCH MODELŮ PŘI ANALÝZE DAT. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM

PRAVDĚPODOBNOST A STATISTIKA

KALIBRACE A LIMITY JEJÍ PŘESNOSTI 2015

Tvorba nelineárních regresních modelů v analýze dat

= = 2368

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

TECHNICKÁ UNIVERZITA V LIBERCI

UNIVERZITA PARDUBICE

Semestrální práce. 2. semestr

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

PSY117/454 Statistická analýza dat v psychologii seminář 9. Statistické testování hypotéz

STATISTICA Téma 7. Testy na základě více než 2 výběrů

Aplikovaná statistika v R - cvičení 3

Cvičení 9 dekompozice časových řad a ARMA procesy

KGG/STG Statistika pro geografy

LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica

Základy navrhování průmyslových experimentů DOE

Regresní a korelační analýza

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba nelineárních regresních modelů v analýze dat. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

INDUKTIVNÍ STATISTIKA

You created this PDF from an application that is not licensed to print to novapdf printer (

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Zápočtová práce STATISTIKA I

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

Semestrální práce. 2. semestr

Příklady na testy hypotéz o parametrech normálního rozdělení

Jednostranné intervaly spolehlivosti

T E O R I E C H Y B A V Y R O V N Á V A C Í P O

SEMESTRÁ LNÍ PRÁ CE. Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI

Bodové a intervalové odhady parametrů v regresním modelu

Regresní a korelační analýza

Navrhování experimentů a jejich analýza. Eva Jarošová

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Korelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza

ÚLOHA 1. EXPONENCIÁLNÍ MODEL...2 ÚLOHA 2. MOCNINNÝ MODEL...7

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství

Regrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA

Jednofaktorová analýza rozptylu

Testování statistických hypotéz

Kalibrace a limity její přesnosti

Kanonická korelační analýza

Normální (Gaussovo) rozdělení

Úloha 1: Lineární kalibrace

Cvičení 12: Binární logistická regrese

Transkript:

SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík

1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách Plánování experimentu. 2. ZADÁNÍ ÚLOHY Byla změřena závislost rychlosti plasmového leptání při výrobě polovodičů (0,1 nm/min) na třech faktorech: A) mezera anoda/katoda B) tok plynu C) napětí na katodě Pro každou sérii měření byly provedeny dvě opakování. Rychlost leptání byla měřena pro různé kombinace hodnot sledovaných faktorů a každý faktor měl dvě úrovně označené 1 horní mez a -1 dolní mez. Výsledky faktorového pokusu jsou uvedeny v následující tabulce: tabulka 1: Zdrojová data A B C e1 e2-1 -1-1 247 400 1-1 -1 470 446-1 1-1 429 405 1 1-1 435 445-1 -1 1 837 850 1-1 1 551 670-1 1 1 775 865 1 1 1 660 530 Vysvětlivky: A, B, C úrovně faktorů e1, e2 rychlost leptání 3. ŘEŠENÍ ÚLOHY 3.1 Výpočet efektů a interakcí Výše uvedený příklad je možné řešit dvěma způsoby. První způsob řešení je založen na zprůměrňování výsledků měření rychlosti leptání. Vstupní data výpočtu jsou uvedeny v následující tabulce: tabulka 2: Vstupní údaje výpočtu první způsob výpočtu A B C AB BC AC e1 e2 průměr -1-1 -1 1 1 1 247 400 323,5 1-1 -1-1 1-1 470 446 458-1 1-1 -1-1 1 429 405 417 1 1-1 1-1 -1 435 445 440-1 -1 1 1-1 -1 837 850 843,5 1-1 1-1 -1 1 551 670 610,5-1 1 1-1 1-1 775 865 820 1 1 1 1 1 1 660 530 595

Vlastní výpočet efektů a interakci provedeme prostým vynásobením hodnot ve sloupečku průměr v tabulce č.2 odpovídajícími hodnotami ve sloupcích A, B, C, AB, BC, AC. Příslušné hodnoty efektů a interakcí pro jednotlivé faktory pak vypočteme sečtením hodnot v jednotlivých sloupcích a zprůměrňováním součtů, to je v tomto případě jejich vydělením osmi. Mezivýsledky a vypočtené hodnoty efektů a interakcí jsou uvedeny v tabulce č.3. Vlastní výpočet byl proveden v programu MS OFFICE EXCEL 2003. tabulka 3:Výpočet efektů a interakcí první způsob výpočtu Efekty A B C AB BC AC -323,5-323,5-323,5 323,5 323,5 323,5 458-458 -458-458 458-458 -417 417-417 -417-417 417 440 440-440 440-440 -440-843,5-843,5 843,5 843,5-843,5-843,5 610,5-610,5 610,5-610,5-610,5 610,5-820 820 820-820 820-820 595 595 595 595 595 595-37,5625 4,5625 153,8125-12,9375-14,3125-76,9375 EA EB EC IAB IBC IAC Vysvětlivky: EA efekt faktoru A EB efekt faktoru B EC efekt faktoru C IAB interakce faktorů AB IBC interakce faktorů BC IAC interakce faktorů AC K tomuto výpočtu je možné použít lineární regresi, která je k dispozici např. v programu MS OFFICE EXCEL v doplňku Analýza dat pod označením Regrese. Výstup výpočtu vypadá následovně (faktory a interakce nezávisle proměnné, Y průměry rychlostí leptání): VÝSLEDEK Regresní statistika Násobné R 0,99646376 Hodnota spolehlivosti R 0,99294003 Nastavená hodnota spolehlivosti R 0,95058018 Chyba stř. hodnoty 42,2496302 Pozorování 8 ANOVA Rozdíl SS MS F Významnost F Regrese 6 251053,1875 41842,2 23,4406 0,15680441 Rezidua 1 1785,03125 1785,03 Celkem 7 252838,2188

Koeficienty Chyba stř. hodnoty t stat Hodnota P Hranice 563,4375 14,9375 37,7197 0,016874 Soubor A -37,5625 14,9375-2,5146 0,240958 Soubor B 4,5625 14,9375 0,30544 0,811281 Soubor C 153,8125 14,9375 10,2971 0,061632 Soubor AB -12,9375 14,9375-0,8661 0,545599 Soubor BC -14,3125 14,9375-0,9582 0,513601 Soubor AC -76,9375 14,9375-5,1506 0,122082 Druhý způsob výpočtu je založen na uspořádání vstupních dat uvedeném v tabulce č.4. tabulka 4: vstupní data druhý způsob výpočtu A B C AB BC AC e -1-1 -1 1 1 1 247 1-1 -1-1 1-1 470-1 1-1 -1-1 1 429 1 1-1 1-1 -1 435-1 -1 1 1-1 -1 837 1-1 1-1 -1 1 551-1 1 1-1 1-1 775 1 1 1 1 1 1 660-1 -1-1 1 1 1 400 1-1 -1-1 1-1 446-1 1-1 -1-1 1 405 1 1-1 1-1 -1 445-1 -1 1 1-1 -1 850 1-1 1-1 -1 1 670-1 1 1-1 1-1 865 1 1 1 1 1 1 530 tabulka 5: Výpočet efektů a interakcí druhý způsob výpočtu Efekty A B C AB BC AC -247-247 -247 247 247 247 470-470 -470-470 470-470 -429 429-429 -429-429 429 435 435-435 435-435 -435-837 -837 837 837-837 -837 551-551 551-551 -551 551-775 775 775-775 775-775 660 660 660 660 660 660-400 -400-400 400 400 400 446-446 -446-446 446-446 -405 405-405 -405-405 405 445 445-445 445-445 -445-850 -850 850 850-850 -850 670-670 670-670 -670 670-865 865 865-865 865-865 530 530 530 530 530 530-37,5625 4,5625 153,8125-12,9375-14,3125-76,9375 EA EB EC IAB IBC IAC

Z hodnot interakcí a efektů uvedených v tabulce č.5 je patrné, že jsme dospěli, ke stejným výsledkům. Analogicky jako v předchozím případě můžeme použít regresi z EXCELU. VÝSLEDEK Regresní statistika Násobné R 0,966361 Hodnota spolehlivosti R 0,933853 Nastavená hodnota spolehlivosti R 0,889754 Chyba stř. hodnoty 62,86278 Pozorování 16 ANOVA Rozdíl SS MS F Významnost F Regrese 6 502106,4 83684,4 21,17665 7,87538E-05 Rezidua 9 35565,56 3951,729 Celkem 15 537671,9 Koeficienty Chyba stř. hodnoty t stat Hodnota P Dolní 95% Horní 95% Dolní 95,0% Horní 95,0% Hranice 563,4375 15,7157 35,8519 5,06E-11 527,8861 598,9889 527,8861 598,9889 Soubor A -37,5625 15,7157-2,39013 0,040549-73,1139-2,01113-73,1139-2,01113 Soubor B 4,5625 15,7157 0,290315 0,778154-30,9889 40,11387-30,9889 40,11387 Soubor C 153,8125 15,7157 9,78719 4,28E-06 118,2611 189,3639 118,2611 189,3639 Soubor AB -12,9375 15,7157-0,82322 0,431654-48,4889 22,61387-48,4889 22,61387 Soubor BC -14,3125 15,7157-0,91071 0,386188-49,8639 21,23887-49,8639 21,23887 Soubor AC -76,9375 15,7157-4,89558 0,000853-112,489-41,3861-112,489-41,3861 Ze získaného výstupu je patrné, že získaný regresní model má koeficient determinace 0,934. Hodnoty t statistiky a pravděpodobnosti P určují faktory A, C a interakci AC jako statisticky významné (α = 0,05). 3.2 Grafická analýza významnosti efektů a interakcí To, že faktory A, C a také interakce faktorů AC jsou významné (mají vliv na zkoumaný model) bylo určeno testováním významnosti jednotlivých regresních konstant v předchozí kapitole. K témuž můžeme použít i některé grafické diagnostiky viz. níže uvedené. obr. 1: Regresní model y predikované 1000 800 600 400 200 0 y = 0,9339x + 37,27 R 2 = 0,9339 0 200 400 600 800 1000 y měřené obr. 2: Hlavní efekty Hlavní efekty 900 800 700 600 500 400 300 200 0 1 2 3 4 5 6 7 index A B C první druhý třetí

obr. 3: Párové interakce 650 600 550 500 450 Párové interakce 0 1 2 3 4 5 6 7 index AB BC AC obr. 4: Polonormální graf 350 300 250 200 150 100 Polonormální graf AC 50 0 0,55 0,65 0,75 0,85 0,95 A C Z grafu Hlavních efektů obr. 2 je patrné, že nejvýznamnější je vliv efektu C a také jako významný se jeví i efekt A, efekt B je nevýznamný. Z grafu párových interakcí obr. 3 je zřejmé, že interakce AC je významná a interakce AB a AC jsou nevýznamné a přibližně stejné. To je v souladu s grafickou diagnostikou Polonormální graf obr. 4 body A, AC a C jsou odlehlé od ostatních. 3.3 Anova test Test významnosti jednotlivých faktorů a interakcí můžeme provést rovněž pomocí ANOVY. Výsledky analýzy rozptylu efektů a interakcí jsou uvedeny v následující tabulce: tabulka 6: Anova FAKTOR volnost SS MS F test. Závěr testu A 1 22575 22575,0625 5,644559391 Významný B 1 333 333,0625 0,083277336 Nevýznamný C 1 378533 378532,5625 94,64645028 Významný AB 1 2678 2678,0625 0,669609789 Nevýznamný BC 1 3278 3277,5625 0,819505868 Nevýznamný AC 1 94710 94710,0625 23,68084574 Významný ABC 1 3570 3570,0625 0,892641153 Nevýznamný Chyba 8 31996 3999,4375 Celkem 15 537672 Hodnota kritického kvantitu F rozdělení: 4,54308 Vysvětlivky: = N,2 2 Celkem i= 1,k = 1 (y i,k µ ) c kde µ c je celkový průměr absolutních hodnot dolních a horních úrovní. Ostatní hodnoty SS = Celkem součet čtverců odchylek sloupců dolních a horních úrovní od sloupcových průměrů. Chyba je rozdíl mezi Celkem a sumou hodnot SS faktorů a interakcí F test. je hodnota testovacího kritéria a jde o poměr MS (SS/volnost) a Chyba F rozdělení spočteno v Excelu pomocí funkce FINV (0,05; 1; 15) U faktorů A, C a interakce AC jsou hodnoty testovacího kriteria F test. Větší než hodnoty kritického kvantitu F rozdělení jde tedy o významné hodnoty (zamítáme primární hypotézu H 0 o jejich nevýznamnosti na hladině významnosti α 0,05). To je v souladu se závěry z regrese a grafických diagnostik.

4. ZÁVĚR Na rychlost plazmového leptání mají tedy vliv tyto faktory: - mezera anoda/katoda (negativní vliv) -napětí na katodě (pozitivní vliv) Jako dálší z interakcí mezi faktory vyplývá, že velikost napětí na elektrodách závisí na vzdálenosti anoda/katoda.